3. Python 环境搭建：Anaconda安装、虚拟环境创建、必备库安装

在数字工地照片证据存储优化项目中，Python 环境是执行图像处理、元数据提取与质量追溯的底层基础。本节将指导你从零搭建一套稳定、可复现的开发环境，涵盖 Anaconda 发行版安装、虚拟环境隔离策略以及 Pillow、OpenCV、ExifRead 三款核心库的部署。

3.1 为什么选择 Anaconda

Anaconda 是目前数据科学与工程领域最流行的 Python 发行版，它内置了 conda 包管理器，能够轻松解决库依赖冲突与跨平台兼容问题。对于工地照片管理这类涉及图像底层操作的项目，Anaconda 的虚拟环境机制可以避免不同项目间的库版本干扰。

3.2 Anaconda 安装步骤

1. 下载安装包：访问 https://www.anaconda.com/download，选择对应操作系统（Windows / macOS / Linux）的图形化安装程序。
2. 执行安装：
   • Windows：双击 .exe，勾选 Add Anaconda to my PATH environment variable（便于命令行直接调用）。
   • macOS/Linux：运行 .sh 脚本，按提示完成安装。
3. 验证安装：打开终端（Windows 使用 Anaconda Prompt），输入以下命令：

conda --version
python --version

若输出类似 conda 24.9.2 和 Python 3.12.7，则安装成功。

3.3 创建虚拟环境

为照片证据存储优化项目创建独立环境，避免与全局 Python 或其他项目冲突。

# 创建名为 photo_evidence 的环境，指定 Python 3.12
conda create -n photo_evidence python=3.12 -y

# 激活环境
conda activate photo_evidence

# 确认当前环境
conda info --envs

激活后的环境名称会显示在终端提示符前，如 (photo_evidence) C:\Users\>。

3.4 必备库安装与验证

本课程依赖三款核心库，各自承担照片证据链中的关键角色：

# 批量安装（在 photo_evidence 环境下执行）
conda install pillow opencv -y
pip install exifread

安装完成后，执行以下验证脚本：

import PIL
import cv2
import exifread

print(f"Pillow 版本: {PIL.__version__}")
print(f"OpenCV 版本: {cv2.__version__}")
print("ExifRead 导入成功")

若输出无报错且版本号符合预期，则环境搭建完毕。

3.5 环境与库依赖关系图

下图展示了 Anaconda 发行版、虚拟环境与三款核心库之间的层级关系，以及它们在照片证据存储流程中的分工：

3.6 环境导出与复现

为确保团队成员或后续课程使用完全一致的依赖版本，建议导出环境配置文件：

# 导出当前环境所有包及版本
conda env export -n photo_evidence -f environment.yml

# 其他成员可通过该文件重建环境
conda env create -f environment.yml

environment.yml 文件应纳入项目版本控制（如 Git），作为数字工地照片证据存储优化的标准化环境定义。